透性预测和潜在的网站评估CO2储存从核心数据和井记录数据在马来盆地使用先进的机器学习算法

科学领域:

• 地质科学 地质科学
• 石油工程是石油工程中的一个.
• 环境科学 环境科学

背景情况:

• 地质构造对于安全储存二氧化碳 (CO2) 是至关重要的.
• 准确的地点表征需要对水库特性进行详细分析,例如孔隙性和透性.
• 机器学习 (ML) 提供了先进的工具来增强水库属性估计.

研究的目的:

• 描述马来盆地的"X"田间水库,用于潜在的二氧化碳 (CO2) 储存.
• 评估地质层对二氧化碳封存的适用性,基于关键的储特性.
• 为了比较不同机器学习模型在预测水库透性的有效性.

主要方法:

• 使用井日志和地震数据来确定水库特性 (孔径,透性,水和度,页岩体积).
• 采用机器学习模型,特别是天真贝叶斯 (NB) 和多层感知子 (MLP),用于增强的透率估计和分类.
• 交叉验证的水库属性估计与准确性的核心数据.
• 开发了一种岩石学模型,并利用地震分析来识别水库和岩顶区域.

主要成果:

• 多层感知子 (MLP) 模型在透性预测方面表现出卓越的性能,达到99%的训练和93%的测试准确性.
• 确定B100区为低透性顶岩,D35-1和D35-2区为适合储存二氧化碳的高透性水库.
• 确认"X"田间储的深度 (超过1300米) 符合二氧化碳储存 (1000-1500米) 的要求.
• 地震数据证实了B100区的完整性作为连续的顶岩,对于防止CO2迁移至关重要.

结论:

• 结合地质数据和机器学习的综合方法有效地表征了二氧化碳储存的"X"领域.
• 马来盆地的"X"油田为碳捕获和储存 (CCS) 计划提供了一个可行的地质场所.
• 该研究强调了详细的地点特征和先进的建模技术在评估二氧化碳储存潜力的重要性.